從數字世界走向真實世界，Physical AI正在成為人工智能發展的新方向。Gartner在2026年十大戰略技術趨勢報告中，將Physical AI列為核心科技趨勢之一。其落地的過程中，聰敏的云端模型“大腦”與穩定高效執行的“四肢”缺一不可。而邊緣計算則是連接云端模型與物理執行層的關鍵紐帶，讓Physical AI從概念走向產業現場。

在2026研華工業AI生態伙伴合作峰會上，Physical AI恰是貫穿全場的重要議題。研華嵌入式物聯網事業群總經理張家豪與中國工控網的對話也由此展開，他結合研華的發展歷程，闡述了邊緣計算在Physical AI發展中的關鍵作用。處在這一AI規?；瘧玫男码A段，研華也正在重新定位自身角色，從邊緣計算平臺供應商進化為Physical AI實踐者。

蓄力邊緣，硬件供應商鋪下通往PhysicalAI之路

工業領域先后經歷了工業互聯網、數字化轉型和生成式AI幾輪浪潮，到了今年，Physical AI成為各類展會上最受關注的焦點，研華也已在這一方向積淀多年。

作為邊緣計算平臺供應商，研華長期服務于醫療設備、工業自動化、零售等行業。張家豪談到，此前十余年間，研華更多專注于硬件平臺提供者的角色。在芯片廠商將NPU和GPU等AI加速單元融入處理器平臺之后，邊緣設備具備了更強的AI運算能力，研華也由此開始探索邊緣計算與AI結合后的應用價值。

不過，讓AI真正進入產業現場發揮效能還需要解決更多實際問題。

張家豪指出，過去的Edge  Computing更多關注數據采集與計算輸出，而當AI應用于真實產業環境時，僅局限于計算升級遠遠不夠，還需要具備感知、決策、執行三大核心能力。

與此同時，AI應用的發展也呈現出云端與邊緣側協同演進的趨勢。近兩年大模型和算力基礎設施日趨成熟，已滲透到工業生產環節，但在對數據安全、隱私保護和實時響應要求較高的產業中，所有數據上傳云端并不現實。例如，醫療領域的患者隱私數據需要在本地處理，半導體設備的生產制程參數同樣如此。當算力向邊緣側延伸時，邊緣AI在實時響應、數據安全和可靠運行方面的優勢開始顯現。

這也是Physical AI受到關注的技術背景。Physical AI關注的是AI能力如何與真實設備、環境和業務流程產生連接，邊緣計算正承擔著連接AI能力與產業現場的關鍵角色。面對這一趨勢，研華正圍繞Edge AI持續調整布局，讓邊緣計算更好支撐既有產業及新興產業中的AI應用落地。

平臺架橋，彌合芯片與場景之間的鴻溝

過去研華與芯片廠商的合作，無論是國際巨頭還是國內頭部企業，本質上都是圍繞標準化平臺做聯合開發，交付的是純硬件產品：工控機、嵌入式平臺、嵌入式電腦。但從上文可以看到，這一模式的邊界正在被打破。邊緣計算的核心是在硬件基礎上疊加智能能力，而AI的進一步融入，則讓市場邊界從硬件交付延伸至直接對接行業場景。到了這個階段，客戶需要的已不再是單一的硬件平臺，而是一套完整的軟硬件一體化方案。

這正是研華打造WEDA邊緣智能開發者架構與WISE軟件平臺的初衷。WEDA旨在提供開放統一的開發架構，加速開發者與企業在各類GPU、NPU平臺上開發AI Agent、數字孿生及邊緣AI應用，并大幅降低多場景部署、大規模邊緣AI設備管理以及AI模型全生命周期管理的復雜度。

張家豪解釋道，各行各業的邊緣計算需求雖然旺盛，但醫療、零售、交通這些產業的應用場景差異極大，研華打造WEDA邊緣智能開發者架構這樣的標準化平臺，目的就是讓不同產業的開發者和方案商能基于統一平臺開發應用，同時在底層兼容適配各類芯片廠商的產品。

這便是WEDA的兩層核心價值。

● 底層適配層面  >>>

當前芯片架構極為多元，X86與ARM兩大主流陣營與其他架構并存，各家廠商的API互不兼容。WEDA所做的，是將各類芯片的API和AI SDK統一整合進來，用戶基于WEDA開發，相當于一次性對接了所有主流芯片廠商的AI開發工具，省去了逐一適配的重復勞動。

● 上層開發層面  >>>

WEDA提供了一套容器化的軟件架構，通過標準化的單元模塊對接不同垂直產業的應用需求，系統開發商和應用開發商都可以在上面開發覆蓋醫療、零售、交通、設備自動化等各類場景的解決方案。

張家豪表示，這套平臺能力的價值在實際項目中已經得到驗證，可使產品開發周期縮短一半以上。

平臺層面的變化也順勢帶動了研華另一項核心能力走向縱深，那就是Design-in定制化服務。過去二十多年，這項服務主要集中在硬件層面，包括I/O接口適配、散熱設計、PCB設計評審，核心目標就是幫客戶的產品穩定落地。

以WEDA 平臺為重心，研華將定制化需求從硬件推向了軟件層。固件、操作系統、API接口，每一個環節都需要根據行業場景做適配。由此，研華的Design-in服務也進入了2.0階段，從單純的硬件設計導入，進化為硬件加軟件一體化的邊緣運算平臺服務。

聚合生態，PhysicalAI的中國式落地之道

無論是新平臺的落地，還是服務模式的升級，研華將其落實到中國市場都有一個繞不開的維度，就是信創產業帶來的供應鏈與生態格局變化。

龐大的市場也催生了眾多信創產業鏈企業，研華更為關注底層芯片領域的本土企業。研華目前已經多家國內主流芯片企業達成合作，包括瑞芯微、海光、兆芯、鯤鵬、飛騰等，全部由中國昆山研發團隊主導對接；操作系統層面，研華與統信、麒麟等系統做好了深度適配優化。張家豪強調，研華提供的不只是硬件平臺，更是軟硬件整合方案，因此在適配層面投入了大量工程資源。

這種國產化平臺能力，與Physical AI當下最受關注的機器人這一落地場景形成了呼應。研華扎根機器人產業已有約三十年歷史，從六軸機械臂起步，逐步擴展到AGV、AMR、服務型機器人，乃至當下火熱的人形機器人。

張家豪的判斷是，人形機器人的核心價值不在本體，在于被訓練出來的思考、判斷、決策與執行能力。機器人廠商不應該把精力耗在純硬件開發上。

研華聯合海內外頭部芯片廠商開發標準化的邊緣AI運算平臺，把機器人的大腦以硬件平臺的方式交付出來。在這個硬件平臺之上，研華的WEDA平臺和機器人開發套件又提供了完整的軟件開發底座，承載視覺、語音、通訊、路徑規劃、運動控制等一系列能力。這樣一來，機器人廠商不需要從零搭起，可以專注在算法訓練和智能能力這個真正創造價值的環節上。

這種“硬件平臺打底、軟件能力賦能”的思路，在中國市場的推進速度其實比外界想象得更快。張家豪分析，龐大的本土市場、務實的開發者隊伍，加上國家政策支持，使得國內邊緣AI在半導體、設備自動化、醫療等重點行業的落地規模和開發動能都已不輸海外。

研華深知，邊緣AI的發展不可能靠一家企業覆蓋全產業鏈。張家豪認為，生態中最核心的角色是平臺搭建者。研華成立43年，具備足夠規模體量，能與海內外所有頭部芯片廠商合作開發產品；作為平臺賦能者，研華向下對接芯片廠商，向上對接產業場景，通過共創模式與各行業伙伴共同推動產業落地。

結語

訪談最后，張家豪談到，云端AI與邊緣AI是兩條并行的軸線，相輔相成、互相支撐。云端AI持續向生成式與代理式方向迭代，邊緣AI專注于物理世界的產業落地，兩者共同構成AI從模型能力走向產業價值的技術基座。

在這個判斷之下，研華在Physical AI時代的路徑也越發清晰。研華將持續深耕平臺定位，平臺能力從硬件載體持續拓展至軟件體系；同時堅持扮演生態賦能者，攜手各行各業合作伙伴，破解多元化場景落地難題。展望未來，當Physical AI在機器人、醫療、能源等重點產業實現規模化普及之時，張家豪期許所有行業伙伴提到研華時，首先聯想到的便是Physical AI的踐行者與推動者。